Análisis de decisión

¿Qué marca la diferencia entre las buenas y las

malas decisiones?
Una buena decisión es aquella que se
basa en la lógica, considera todos los
datos disponibles y las alternativas
posibles, y aplica el enfoque
cuantitativo que se vaya a describir.
En ocasiones, una buena decisión
tiene un resultado inesperado o
desfavorable.
 Los seis pasos en la toma de
decisiones
1. Definir con claridad el problema que enfrenta.
2. Hacer una lista de las alternativas posibles.
3. Identificar los resultados posibles o los estados de naturaleza.
4. Numerar los pagos (típicamente las ganancias) de cada combinación de
alternativas y resultados.
5. Elegir uno de los modelos matemáticos de la teoría de las decisiones.
6. Aplicar el modelo y tomar la decisión.
 Compañía Thompson Lumber

Paso 1 – Definir el problema.

■ La compañía está considerando una expansión para fabricar
y comercializar un nuevo producto: casetas de
almacenamiento en patios.
Paso 2 – Listar las alternativas posibles.
■ Construir una planta nueva grande.
■ Construir una planta nueva pequeña.
■ No desarrollar la línea nueva del producto.
Paso 3 – Identificar los resultados posibles.
■ El mercado puede ser favorable o desfavorable.

3-4
 Compañía Thompson Lumber (cont.)

Paso 4 – Listar los pagos.

■ Identificar los valores condicionales de las utilidades de una
planta grande, de una planta pequeña, y de no hacer nada
en las dos condiciones del mercado posibles .
Paso 5 – Elegir el modelo de decisión.
■ Esto depende del entorno, y del riesgo e incertidumbre que
implica.
Paso 6 – Aplicar el modelo a los datos.
■ Se usan la solución y el análisis como ayuda para tomar la
decisión.

3-5
 Compañía Thompson Lumber (cont.)
Tabla de decisiones con los valores
condicionales de Thompson Lumber

ESTADO DE NATURALEZA

MERCADO MERCADO NO
ALTERNATIVA FAVORABLE ($) FAVORABLE ($)
Construir una planta 200,000 –180,000
grande
Construir una planta
pequeña 100,000 –20,000

No hacer nada 0 0

3-6
 Tipos de entorno para la toma de decisiones

Tipo 1: Toma de decisiones con certidumbre

• Quien toma las decisiones conoce con certeza las
consecuencias de cada alternativa u opción de decisión.

Tipo 2: Toma de decisiones con incertidumbre

• El tomador de decisiones no conoce las probabilidades de los
diferentes resultados.

Tipo 3: Toma de decisiones con riesgo

• Quien toma las decisiones conoce las probabilidades de los
diferentes resultados.
3-7
 Toma de decisiones con incertidumbre

Existen varios criterios para tomar decisiones

con incertidumbre:

1. Optimista (maximax)
2. Pesimista (maximin)
3. Criterio de realismo (Hurwicz)
4. Probabilidades iguales (Laplace)
5. Arrepentimiento minimax
3-8
 Maximax
Se usa para obtener la alternativa con el mejor pago
(máximo).
■ Identifique el pago máximo de cada alternativa.
■ Elija la alternativa con el número máximo.

ESTADO DE NATURALEZA
MERCADO MERCADO NO MÁXIMO DE LA
ALTERNATIVA FAVORABLE ($) FAVORABLE($) FILA ($)
Construir una planta
200,000 –180,000 200,000
grande
Construir una planta
Maximax
100,000 –20,000 100,000
pequeña
No hacer nada 0 0 0

3-9
 Maximin
Sirve para obtener la alternativa que maximiza el pago mínimo.

■ Identifique el pago mínimo de cada alternativa.

■ Elija la alternativa con el número máximo.

ESTADO DE NATURALEZA
MERCADO MERCADO NO MÍNIMO DE LA
ALTERNATIVA FAVORABLE ($) FAVORABLE ($) FILA ($)
Construir una planta 200,000 –180,000 –180,000
grande
Construir una planta 100,000 –20,000 –20,000
pequeña
No hacer nada 0 0 0
Maximin 3-10
 Criterio de realismo (Hurwicz)
Este es un promedio ponderado del compromiso entre una decisión
optimista y una pesimista.

■ Elija un coeficiente de realismo α, con 0 ≤ α ≤ 1.

■ Un valor de 1 es totalmente optimista, mientras que un valor de 0 es
completamente pesimista.
■ Calcule los promedios ponderados de cada alternativa.
■ Elija la alternativa con el valor más alto.

Promedio ponderado = α (máximo en la fila)

+ (1 – α)(mínimo en la fila)
3-11
 Criterio de realismo (Hurwicz)

■ En la opción de planta grande con α = 0.8: (0.8)(200,000) + (1 – 0.8)(–180,000) = 124,000

■ En la opción de planta pequeña con α = 0.8: (0.8)(100,000) + (1 – 0.8)(–20,000) = 76,000

ESTADO DE NATURALEZA
CRITERIO DE
MERCADO MERCADO NO REALISM0
ALTERNATIVA FAVORABLE($) FAVORABLE ($) (α = 0.8) $
Construir una
200,000 –180,000 124,000
planta grande
Realismo
Construir una
100,000 –20,000 76,000
planta pequeña
No hacer nada 0 0 0 3-12
 Probabilidades iguales (Laplace)

Consideran todos los pagos de cada alternativa.

■ Calcule el pago promedio de cada alternativa.
■ Elija la alternativa con el promedio más alto.

ESTADO DE NATURALEZA

MERCADO MERCADO NO PROMEDIO DE

ALTERNATIVA FAVORABLE ($) FAVORABLE ($) LA FILA ($)
Construir una planta 200,000 –180,000 10,000
grande
Construir una planta 100,000 –20,000 40,000
pequeña
No hacer nada 0 0 Probabilidades
0 iguales
3-13
 Arrepentimiento minimax

Se basa en la pérdida de oportunidad o arrepentimiento, y es la diferencia

entre la ganancia óptima y el pago real recibido por una decisión
específica.

• Cree una tabla de la pérdida de oportunidad determinando las pérdidas por no

elegir la mejor alternativa.
• La pérdida de oportunidad se calcula restando cada pago de la columna, del mejor
pago de la misma columna.
• Obtenga la máxima pérdida de oportunidad de cada alternativa y elija la alternativa
con el número mínimo.

3-14
 Arrepentimiento minimax
Determinación de las pérdidas de oportunidad para
Thompson Lumber
ESTADO DE NATURALEZA

MERCADO FAVORABLE ($) MERCADO NO FAVORABLE ($)

200,000 – 200,000 0 – (–180,000)

200,000 – 100,000 0 – (–20,000)

200,000 – 0 0–0
3-15
 Arrepentimiento minimax

Tabla de la pérdida de oportunidad para Thompson

Lumber

ESTADO DE NATURALEZA

MERCADO MERCADO NO
ALTERNATIVA FAVORABLE ($) FAVORABLE ($)
Construir una planta grande 0 180,000

Construir una planta pequeña 100,000 20,000

No hacer nada 200,000 0

3-16
 Arrepentimiento minimax

Decisión minimax de Thompson usando la pérdida de

oportunidad

ESTADO DE NATURALEZA
MERCADO MERCADO NO MÁXIMO DE LA
ALTERNATIVA FAVORABLE ($) FAVORABLE ($) FILA ($)
Construir una planta
0 180,000 180,000
grande
Construir una planta
100,000 20,000 100,000
pequeña
Minimax
No hacer nada 200,000 0 200,000

3-17
 Toma de decisiones con riesgo
• Esta es una situación de toma de decisiones donde existen varios estados de
naturaleza, y se conocen las probabilidades de que sucedan.
• El método más popular es elegir la alternativa con el mayor valor monetario
esperado (VME).
⮚ Es muy parecido al valor esperado calculado en el capítulo anterior.

VME (alternativa i) = (pago del primer estado de naturaleza)

x (probabilidad del primer estado de naturaleza)
+ (pago del segundo estado de naturaleza)
x (probabilidad del segundo estado de naturaleza)
+ … + (pago del último estado de naturaleza)
x (probabilidad del último estado de naturaleza)
3-18
 VME para Thompson Lumber

■ Se supone que cada resultado tiene una probabilidad de

ocurrencia de 0.50.
■ ¿Qué alternativa proporcionaría el VME más alto?
■ Los cálculos son:

VME (planta grande) = ($200,000)(0.5) + (–$180,000)(0.5)

= $10,000
VME (planta pequeña) = ($100,000)(0.5) + (–$20,000)(0.5)
= $40,000
VME (no hacer nada) = ($0)(0.5) + ($0)(0.5)
= $0
3-19
 VME para Thompson Lumber
ESTADO DE NATURALEZA
MERCADO MERCADO NO
ALTERNATIVA FAVORABLE ($) FAVORABLE ($) VME ($)
Construir una planta 200,000 –180,000 10,000
grande
Construir una planta
100,000 –20,000 40,000
pequeña
No hacer nada 0 0 0
Probabilidades 0.50 0.50

VME más grande

3-20
 Valor esperado de la información
perfecta (VEIP)
• El VEIP establece una cota superior sobre cuánto hay que pagar
por información adicional.

VEIP = VEcIP – VME máximo

• El VEcIP es el rendimiento promedio a largo plazo si tenemos

información perfecta antes de tomar una decisión.

VEcIP = (mejor pago del primer estado de naturaleza)

x (probabilidad del primer estado de naturaleza)
+ (mejor pago del segundo estado de naturaleza)
x (probabilidad del segundo estado de naturaleza)
+ … + (mejor pago del último estado de naturaleza)
x (probabilidad del último estado de naturaleza) 3-21
 Valor esperado de la información
perfecta (VEIP)

⮚Suponga que Scientific Marketing, Inc. ofrece un análisis

que proporcionará certidumbre acerca de las condiciones
de mercado (favorable).
⮚La información adicional costará $65,000.
⮚¿Debería Thompson Lumber comprar tal información?

3-22
 Valor esperado de la información
perfecta (VEIP)
Tabla de decisiones con información perfecta
ESTADO DE NATURALEZA
MERCADO MERCADO NO
ALTERNATIVA FAVORABLE ($) FAVORABLE ($) VME ($)
Construir una planta
200,000 -180,000 10,000
grande
Construir una planta
100,000 -20,000 40,000
pequeña
No hacer nada 0 0 0
Con información
200,000 0 100,000
perfecta
VEcIP
Probabilidades 0.5 0.5

3-23
 Valor esperado de la información
perfecta (VEIP)

El VME máximo sin información adicional es

VEIP = VEcIP – VME máximo
= $100,000 - $40,000
= $60,000

De modo que lo máximo que

Thompson debería pagar por la
información adicional son $60,000.
3-24
 Valor esperado de la información
perfecta (VEIP)
El VME máximo sin información adicional es de
$40,000.
VEIP = VEcIP –VME máximo
= $100,000 - $40,000
= $60,000

De modo que lo máximo que

Thompson debería pagar por la
información adicional son $60,000.
Por lo tanto, Thompson no tiene que
pagar $65,000 por esta información. 3-25
 Pérdida de oportunidad esperada

❑La pérdida de oportunidad esperada (POE) es el costo de no elegir la mejor

solución.
❑Primero se construye una tabla de pérdida de oportunidad.
❑Para cada alternativa, multiplique la pérdida de oportunidad por la probabilidad
de esa pérdida para resultado posible y sume los resultados.
❑La POE mínima siempre dará como resultado la misma decisión que el VME
máximo.
❑La POE mínima siempre será igual al VEIP.

3-26
 Pérdida de oportunidad esperada
ESTADO DE NATURALEZA
MERCADO FAVORABLE MERCADO NO
ALTERNATIVA ($) FAVORABLE ($) POE
Construir una planta grande 0 180,000 90,000

Construir una planta 100,000 20,000 60,000

pequeña
No hacer nada 200,000 0 100,000
Probabilidades 0.50 0.50 POE mínima
Tabla 3.11

POE (planta grande) = (0.50)($0) + (0.50)($180,000)

= $90,000
POE (planta pequeña) = (0.50)($100,000) + (0.50)($20,000)
= $60,000
POE (no hacer nada) = (0.50)($200,000) + (0.50)($0)
= $100,000 3-27
 Análisis de sensibilidad

■ El análisis de sensibilidad determina cómo cambia la

decisión con diferentes datos de entrada.
■ Para el ejemplo de Thompson Lumber:
P = probabilidad de un mercado favorable
(1 – P) = probabilidad de un mercado no favorable

3-28
 Análisis de sensibilidad

VME (planta grande) = $200,000P – $180,000)(1 – P)

= $200,000P – $180,000 + $180,000P
= $380,000P – $180,000
VME (planta pequeña) = $100,000P – $20,000)(1 – P)
= $100,000P – $20,000 + $20,000P
= $120,000P – $20,000
VME (no hacer nada) = $0P + 0(1 – P)
= $0

3-29
 Análisis de sensibilidad

Valores del VME

$300,000

$200,000 Punto 2 VME (planta grande)

$100,000 Punto 1 VME (planta pequeña)

0 VME (no hacer nada)

.167 .615 1
–$100,000 Valores de P

–$200,000
3-30
 Análisis de sensibilidad
Punto 1:
VME (no hacer nada) = VME (planta pequeña)

Punto 2:
VME (planta pequeña) = VME (planta grande)

3-31
 Análisis de
MEJOR RANGO DE
sensibilidad ALTERNATIVA VALORES DE P
No hacer nada Menor que 0.167
Valores del VME Construir una planta pequeña 0.167 – 0.615

$300,000
Construir una planta grande Mayor que 0.615

$200,000 Punto2 VME (planta grande)

$100,000 Punto1 VME (planta pequeña)

0 VME (no hacer nada)

.167 .615 1
–$100,000 Valores de P

–$200,000
Figura 3.1
3-32
 Uso de Excel
Datos de entrada para el problema de Thompson
Lumber usando Excel QM

3-33
 Uso de Excel
Resultados para el problema de Thompson Lumber
usando Excel QM

3-34
 Árboles de decisiones

• Cualquier problema presentado en una tabla de decisiones se puede

representar gráficamente con un árbol de decisiones.
• Los árboles de decisiones son más adecuados cuando se deben
tomar decisiones una tras otra.
• Todos los árboles de decisiones tienen puntos de decisión o nodos,
donde se debe elegir una entre varias alternativas.
• Todos los árboles de decisiones tienen puntos o nodos de estados
de naturaleza, entre los cuales ocurrirá un estado de naturaleza.

3-35
 Cinco pasos para el análisis con un árbol de
decisiones

1. Definir el problema.
2. Estructurar o dibujar un árbol de decisiones.
3. Asignar probabilidades a cada estado de naturaleza.
4. Estimar pagos para cada combinación posible de alternativas y
estados de naturaleza.
5. Resolver el problema calculando los valores monetarios esperados
(VEM) para cada nodo de estado de naturaleza.

3-36
 Estructura de los árboles de decisión
• El árbol inicia de izquierda a derecha.
• El árbol presenta las decisiones y los resultados en orden
secuencial.
⮚ Los cuadros representan nodos de decisión.
⮚ Los círculos representan nodos de estados de naturaleza.
⮚ Las líneas o ramas conectan los nodos de decisión con los estados
de naturaleza.

3-37
Sus componentes
Árbol de decisiones de Thompson
Un nodo de estado de naturaleza

Mercado favorable
Un nodo de decisión
1
Mercado no favorable
uir a
r t
n st lan
Co na p de
u ran
g Mercado favorable
Construir
una planta
2
pequeña Mercado no favorable

No
ha
ce
rn
ad
a 3-39
 Árbol de decisiones de Thompson
VME del nodo = (0.5)($200,000) + (0.5)(–
1 = $10,000
$180,000) Pagos
Mercado favorable (0.5)
$200,000
Se elige la alternativa
con el mejor VME 1 Mercado no favorable (0.5)
–$180,000
a
i r l nde
s tru gra
n a
Co lant Mercado favorable (0.5)
p $100,000
Construir la
planta pequeña
2 Mercado no favorable (0.5)
–$20,000
No
ha = (0.5)($100,000)
ce VME del nodo 2
rn = $40,000
ad
a + (0.5)(–$20,000)
3-40
$0
 Primer punto Segundo punto Pagos
de decisión de decisión
Mercado favorable (0.78)
$190,00
nde 2 Mercado desfavorable (0.22) 0
g ra –
nta Mercado favorable (0.78) $190,000
Pla Planta $90,00
)
45 3 Mercado desfavorable (0.22) 0
Árbol de decisiones con
. pequeña –
(0 s
i o do s $30,000
d a
tu ult ble Ninguna planta

pagos y probabilidades
–
Es es ora
R $10,000
1 Estu fav Mercado favorable (0.27)

de Thompson
d $190,00
Re io( de 4 Mercado desfavorable (0.73) 0
ran

de
ne su 0.5 g –
ga lta 5) nta

o
l a Mercado favorable (0.27) $190,000

di
ti v d o P $90,00
Planta

tu
os s 5 Mercado desfavorable (0.73) 0

do es
pequeña –

ca r
er iza
$30,000
Ninguna planta

m eal
–

R
$10,000

No Mercado favorable (0.50)

rea $200,00
liza
r es nd e 6 Mercado desfavorable (0.50) 0
tu d g ra –
io d nta Mercado favorable (0.50) $180,000
em Pla Planta $100,00
erc
pequeña 7
ad o Mercado desfavorable (0.50) 0
–
$20,000
Ninguna planta
$
3-41
0
Árbol de decisiones complejo de Thompson

1. Dado un resultado favorable en el estudio de mercado,

VME (nodo 2) = VME(planta grande | estudio positivo)
= (0.78)($190,000) + (0.22)(–$190,000) = $106,400
VME (nodo 3) = VME(planta pequeña | estudio positivo)
= (0.78)($90,000) + (0.22)(–$30,000) = $63,600
VME sin planta = –$10,000

2. Dado un resultado negativo del estudio,

VME (nodo 4) = VME(planta grande | estudio negativo)
= (0.27)($190,000) + (0.73)(–$190,000) = –$87,400
VME (nodo 5) = VME(planta pequeña | estudio negativo)
= (0.27)($90,000) + (0.73)(–$30,000) = $2,400
VME sin planta = –$10,000

3-42
Árbol de decisiones con pagos y probabilidades de
Thompson

3. Calcule el valor esperado del estudio de

mercado,
VME (nodo 1) = VME (realizar estudio)
= (0.45)($106,400) + (0.55)($2,400)
= $47,880 + $1,320 = $49,200

4. Si no se realiza el estudio de mercado,

VME (nodo 6) = VME (planta grande)
= (0.50)($200,000) + (0.50)(–$180,000) =
$10,000
VME (nodo 7) = VME (planta pequeña)
= (0.50)($100,000) + (0.50)(–$20,000) =
$40,000
VME sin planta = $0 3-43
 Primer punto Segundo punto Pagos
de decisión de decisión
$106,40 Mercado favorable (0.78) $190,00
0e
and
gr
Mercado desfavorable (0.22) 0
nta –

$106,40
P la $63,60 Mercado favorable (0.78) $190,000
$90,00
l Planta
0 Mercado desfavorable (0.22) 0
de

0
o pequeña –
d
ulta Ninguna planta $30,000

Árbol de decisiones de
s io e –
Re tud abl
es vo 5)
r $10,000
a – Mercado favorable (0.27)
f .4 $190,00
Thompson

de
R 0 $87,400
es esu ( nde Mercado desfavorable (0.73) – 0

o
ra

di
n t u lt
(0 ega dio ado ta g

tu
n $2,40
que muestra los VME

$2,400
.5 ti Pl a Mercado favorable (0.27) $190,000
$90,00

do es
5) vo de Planta0
l Mercado desfavorable (0.73) –0

ca r
er iza
pequeña
m eal Ninguna planta
$30,000
R
–
$49,200

$10,000

No $10,00 Mercado favorable (0.50)

r $200,00
me ealiza
rca n0de Mercado desfavorable (0.50) 0
do r un e ra
ta g $40,00 –

$40,000
s tud a n
io d Pl Planta
Mercado favorable (0.50) $100,00
$180,000
e 0 Mercado desfavorable (0.50) –0
pequeña
$20,000
Ninguna planta
$
0 3-44
Valor esperado de la información muestral

• A Thompson le gustaría saber cuál es el valor

real de hacer un estudio.
Valor esperado Valor esperado de
con información muestral, la mejor decisión
VEIM = suponiendo que no – sin información
cuesta reunirla muestral

= (VE con información muestral + costo)

– (VE sin información muestral)

VEIM = ($49,200 + $10,000) – $40,000 = $19,200

3-45
 Análisis de sensibilidad

■ ¿Qué tan sensibles son las decisiones a los cambios en las probabilidades?

⮚ ¿Qué tan sensible es nuestra decisión ante la probabilidad de obtener

resultados favorables en el estudio de mercado?
⮚ Es decir, si la probabilidad de un resultado favorable (p = .45) cambiara,
¿tomaríamos la misma decisión?
⮚ ¿Cuánto podría cambiar antes de que tomáramos una decisión
diferente?

3-46
 Análisis de sensibilidad
p = probabilidad de un resultado favorable
(1 – p) = probabilidad de un resultado
negativo
VME (nodo 1) = ($106,400)p +($2,400)(1 –
p)
= $104,000pcuando
Existe indiferencia + $2,400
el VME de realizar un
estudio de mercado, nodo 1, es el mismo VME de
no realizar el estudio, $40,000
$104,000p + $2,400 =
$40,000
$104,000p = $37,600
Si p < 0.36, no se realizap el=estudio.
$37,600/$104,000
Si p > 0.36,=
sí se realiza el estudio. 0.36 3-47
 Análisis bayesiano

■ Existen muchas maneras de obtener datos de probabilidades. Pueden

tener como base:

⮚ La experiencia e intuición del gerente.

⮚ Datos históricos.
⮚ Calcularlos a partir de otros datos usando el teorema de Bayes.

■ El teorema de Bayes incorpora las estimaciones iniciales y la

información acerca de la exactitud de las fuentes.
■ Permite la revisión de la estimación inicial, a la luz de nueva
información.
3-48
Cálculo de las probabilidades posteriores
■ En el caso de Thompson Lumber supusimos estas
cuatro probabilidades condicionales:

P (mercado favorable (MF) | resultado positivo del estudio) = 0.78

P (mercado desfavorable (MD) | resultado positivo del estudio) = 0.22
P (mercado favorable (MF) | resultado negativo del estudio) = 0.27
P (mercado desfavorable (MD) | resultado negativo del estudio) = 0.73

■ Pero, ¿cómo se calcularon estas probabilidades?

■ Las probabilidades previas de estos mercados son:

P (MF) = 0.50
P (MD) =
3-49
0.50
 Cálculo de las probabilidades posteriores
■ Por el análisis de los expertos, Thompson ha conocido la información de la
tabla de abajo.
■ Usa esta información y el teorema de Bayes para calcular las probabilidades
posteriores.
ESTADO DE NATURALEZA
RESULTADO DEL MERCADO FAVORABLE MERCADO DESFAVORBLE
ESTUDIO (MF) (MD)

Positivo (predice P (estudio positivo | P (estudio positivo |

mercado favorable MF) MD)
para el producto) = 0.70 = 0.20

Negativo (predice P (estudio negativo | P (estudio negativo |

mercado MF) MD)
desfavorable para
el producto) = 0.30 = 0.80
3-50
 Cálculo de las probabilidades revisadas
■ Recuerde el teorema de Bayes:

donde

En este ejemplo, A representa un mercado

favorable y B representa un estudio de mercado
positivo. 3-51
Cálculo de las probabilidades revisadas

3-52
 Cálculo de las probabilidades revisadas

Probabilidades revisadas dado un estudio

positivo
PROBABILIDADES
POSTERIORES
PROBABILIDAD
CONDICIONAL
P (ESTUDIO P (ESTADO DE
POSITIVO| NATURALEZA|
ESTADO DE ESTADO DE PROBABILIDAD PROBABILIDAD ESTUDIO
NATURALEZA NAT.) PREVIA CONJUNTA POSITIVO)
MF 0.70 X 0.50 = 0.35 0.35/0.45 = 0.78

MD 0.20 X 0.50 = 0.10 0.10/0.45 = 0.22

P (estudio positivo) = 0.45 1.00

3-53
Cálculo de las probabilidades revisadas

3-54
 Cálculo de las probabilidades revisadas (cont).

Probabilidades revisadas dado un estudio negativo

PROBABILIDADES POSTERIORES

PROBABILIDAD
CONDICIONAL
P(ESTUDIO P(ESTADO DE
NEGATIVO| NATURALEZA|
ESTADO DE ESTADO DE PROBABILIDAD PROBABILIDAD ESTUDIO
NATURALEZA NATURALEZA) PREVIA CONJUNTA NEGATIVO)
0.15/0.55
MF 0.30 X 0.50 = 0.15 0.27
=
0.40/0.55
MD 0.80 X 0.50 = 0.40 0.73
=
P(estudio positivo) = 0.55 1.00
3-55
Uso de Excel

Fórmulas usadas en los cálculos de Bayes con Excel

3-56
Uso de Excel
Resultados de los cálculos de Bayes con Excel

3-57
 Problemas potenciales en el uso de
los resultados de un estudio

■ No siempre se pueden obtener los datos necesarios para el análisis.

■ Los resultados del estudio pueden estar basados en casos donde ya se
tomó una acción.
■ La información de la probabilidad condicional quizá no sea tan precisa
como quisiéramos.

3-58
 Teoría de la utilidad

• El valor monetario no siempre es un indicador válido del valor

integral del resultado de una decisión.
• El valor integral de una decisión se llama utilidad.
• Los economistas suponen que las personas racionales toman
decisiones para maximizar su utilidad.

3-59
Teoría de la utilidad
Árbol de decisiones para un billete de lotería
$2,000,000
Aceptar
la oferta
$0
Caras (0.5)
Rechazar
la oferta

Cruces
(0.5)

Figura 3.6 VME = $2,500,000

$5,000,000

3-60
 Teoría de la utilidad
• La evaluación de la utilidad asigna al peor resultado una utilidad de 0; y al mejor
resultado, una utilidad de 1.
• Se usa un juego estándar para determinar los valores de la utilidad.
• Cuando se es indiferente, las utilidades esperadas son iguales.

Utilidad esperada de la alternativa 2 = Utilidad

esperada de la alternativa 1
Utilidad de otro resultado =(p)(utilidad del mejor
resultado, que es 1)
+ (1 – p)(utilidad del peor resultado, que es 3-61

0)
Juego estándar para la
evaluación de la utilidad (p)
Utilidad del mejor
resultado = 1

1 (1 – p) Utilidad del peor

va
ti resultado = 0
er na
Alt

Alt
ern
ati
v a2

Utilidad de otro
resultado = ?

3-62
 Ejemplo de inversión

❑Jane Dickson desea construir una curva de utilidad que revele su preferencia por el dinero entre
$0 and $10,000.

❑Una curva de utilidad grafica los valores de la utilidad contra el valor monetario.

❑Una inversión bancaria producirá $5,000.

❑Una inversión en bienes raíces producirá $0, o bien, $10,000.

❑A menos que tenga un 80% de probabilidad de obtener $10,000 en la compra de bienes raíces,
Jane preferiría tener su dinero en el banco.

❑Entonces, si p = 0.80, Jane es indiferente entre la inversión en el banco o en bienes raíces.

3-63
 Ejemplo de inversión
p = 0.80 $10,000
U($10,000) = 1.0

en (1 – p) = 0.20 $0
ón s U($0.00) = 0.0
ersi aíce
I n v es r
n
bie
Inv
ers
ión
en
el
ba
nc
o $5,000
U($5,000) = p = 0.80

Utilidad para $5,000 = U($5,000) = pU($10,000) + (1 –

p)U($0) 3-64
= (0.8)(1) + (0.2)(0) = 0.8
 Ejemplo de inversión

■ Otros valores de la utilidad se evalúan del mismo

modo.
■ Para Jane son:

Utilidad para $7,000 = 0.90

Utilidad para $3,000 = 0.50

■ Usando las tres utilidades de las diferentes cantidades

en dólares, se puede construir la curva de utilidad.

3-65
 U ($10,000) =
1.0 – 1.0
U ($7,000) =
0.9 – 0.90
U ($5,000) =
0.8 – 0.80

0.7 –

0.6 –

Curva de utilidad

Utilidad
U ($3,000) =
0.5 – 0.50

0.4 –

0.3 –

0.2 –

0.1 – U ($0) =
| 0| | | | | | | | | |
$0 $1,000 $3,000 $5,000 $7,000
$10,000
Valor monetario

3-66
 Curva de utilidad
■ La curva de utilidad de Jane es típica de alguien adverso al riesgo.

⮚ Ella obtiene menos utilidad de un riesgo mayor.

⮚ Evita situaciones que implican pérdidas significativas.
⮚ Conforme el valor monetario se incrementa, su curva de utilidad aumenta a una tasa más
lenta.

■ Un buscador de riesgo obtiene más utilidad de un riesgo mayor.

⮚ Conforme el valor monetario se incrementa, la curva de utilidad aumenta a una tasa más
rápida.

■ Alguien con indiferencia al riesgo tiene una curva de utilidad en línea recta.

3-67
 Adverso
al riesgo

Preferencias respecto

gos
rie
Utilidad
al riesgo

al
e
nt
re
fe
di
In
Buscador
de riesgo

Resultado monetario
3-68
 La utilidad como un criterio para la toma
de decisiones

■ Una vez que se haya desarrollado la curva de utilidad, se

puede usar para tomar decisiones.
■ Esta sustituye los valores monetarios con los valores de la
utilidad.
■ Se calcula la utilidad esperada en vez del VME.

3-69
La utilidad como un criterio para la toma de decisiones

■ A Mark Simkin le encanta jugar.

■ Practica un juego lanzando tachuelas (chinchetas) al aire.
■ Si la tachuela apunta hacia arriba cuando cae, Mark gana $10,000.
■ Si la tachuela apunta hacia abajo cuando cae, Mark pierde $10,000.
■ Mark cree que hay un 45% de probabilidades de ganar.
■ ¿Debería Mark jugar (alternativa 1)?

3-70
La utilidad como un criterio para la toma de decisiones

Decisión que enfrenta Mark Simkin

La tachuela cae
punta arriba (0.45)
$10,000

La tachuela cae
iv a1 punta abajo (0.55)
r nat a –$10,000
l te
ju eg
A rk
Ma

Alt
e rn
ati
va
2
Mark no juega
$0
3-71
La utilidad como un criterio para la toma de decisiones

■ Paso 1: Definir las utilidades de Mark.

U (–$10,000) = 0.05
U ($0) = 0.15
U ($10,000) = 0.30

■ Paso 2: Sustituir los valores monetarios

con los valores de utilidad.

E(alternativa 1: jugar) = (0.45)(0.30) + (0.55)(0.05)
= 0.135 + 0.027 = 0.162
E(alternativa 2: no jugar) = 0.15
3-72
 1.00 –

0.75 –

Curva de utilidad de

Utilidad
0.50 –

Mark Simkin
0.30 –
0.25 –

0.15 –

0.05 –
0| – | | | |
–$20,000 –$10,000 $0 $10,000 $20,000

Resultado monetario
3-73
La utilidad como un criterio para la toma de decisiones

Uso de las utilidades esperadas en la toma de decisiones

E = 0.162 La tachuela cae Utilidad

punta arriba (0.45)
0.30

a1 La tachuela cae
i v
rnat a punta abajo (0.55)
l t e
j u eg 0.05
A rk
Ma

Alt
e rn
ati
va
2
Mark no juega
0.15
3-74
Preguntas
Análisis de decisión